从 Codex 到 dsh：小白/程序员必备 Agent 项目架构升级指南（附判断方法）-北京尧图网络

本文总结了 Agent 项目发展的四个阶段并提供了判断何时从“能跑”升级到“能拆”的五种信号。文章对比了三种工程形态自研阶段3、Codex式、DeepSeek式并给出一个从写死到可拆的迁移案例。最后本文提供了一个决策树帮助读者根据自身情况选择合适的架构升级路径。拆了 Codex、读了 codex-rs、又和 DeepSeek 的 dsh 做了对照前四篇把别人家怎么做的讲完了。问题跟着就来了我自己的项目明天要起第一版架构图怎么画什么阶段该从「能跑」升级到「能拆」这篇不聊别人聊你把四篇的结论折成一套能照着做的判断方法。没读前四篇也不影响。这篇给你四样东西一套四阶段的定位方法一张「该不该拆」的信号清单三种工程形态的对比和一个能从现在就开始抄的迁移案例。老读者可以直接跳到你最关心的那节。一、四个阶段先认清自己站在哪Agent 项目基本都沿着同一条路长大区别只在节奏。有人一上来就上重框架有人卡在某个阶段反复造轮子。先认清自己站在哪。图 1 · 绝大多数 Agent 项目都会经历这四个阶段区别只在节奏先说一个反直觉的点阶段高不代表好。阶段 4 是 Codex 和 dsh 的打法但它对一个三人团队做内部问答机器人就是过度工程。选错阶段的代价比「架构不够先进」大得多。上太重人力和认知负担压垮项目上太轻到阶段 3 还在手写 if-else 判断下一步改一处崩一片。麻烦的是1 到 3 都是「一个进程里多写几行」4 却要你把系统拆成内核加插件。中间有道坎跨不跨、什么时候跨是这篇要回答的核心问题。坎的具体内容放到第五节先把判断方法讲完。二、五个信号什么时候该拆怎么判断自己卡在阶段 3、该往 4 走了不用拍脑袋。下面五个信号中 1 个要警惕中 3 个以上基本可以确定你的系统已经在用「写死」对抗「变化」。图 2 · 五个信号不是「感觉该升级了」是可被点出来的具体症状拿两个信号举例看它具体长什么样。信号 1多半是你某天在代码里看到if (config.model claude)这种判断散落在线程、工具调用、日志三处改一个忘一个。信号 5典型的场景是改了一个 Prompt 模板要跑一遍全量回归才发现沙箱的某个断言挂了而它和 Prompt 八竿子打不着。剩下三个信号不用展开它们的共同点是同一件事模型会变、工具会变、环境会变但你把这些变化的定义写进了不该写的地方。插件化不是图高级是把变化点挪到边界上去。一个常见误判把「信号 1 换模型要改代码」直接等同于「我该上 LangGraph / dsh 了」。不一定。如果只是换供应商抽一个ModelProvider接口、用配置切换就够了这是阶段 3 末期的正常重构远没到阶段 4。信号要叠加看单点问题用单点解法。三、三种形态拆成什么样到了该拆的时候拆法不止一种。把前四篇压成三种典型形态对着自己的团队体量和技术偏好选。图 3 · 三种形态没有优劣只有「适不适合你现在的体量」Codex 和 DeepSeek 解决的是同一个问题差别在解耦发生的时刻。Codex 在编译期把边界焊死一次构建、一份二进制、不可热插拔换来的是一致性和可审计dsh 在运行期留口子不重启就能换 loop、换沙箱换来的是灵活和迭代快。选哪边就是选要确定性还是灵活度。维度自研阶段 3Codex 式编译期DeepSeek 式运行期上手速度最快慢需 Rust 工程力中TS 即可改一个能力改源码改 trait 重新编译写插件改配置多模型切换要改代码编译期 feature 控制配置层一行搞定一致性保障靠人靠编译器 Clippy lint靠内核机制可逆副作用典型团队1-3 人验证期有基础设施的产研团队做编排 / 评测 / 研究四、迁移案例从写死到可拆光说信号和形态有点虚给一段能直接对着改的代码。假设你在阶段 3 手写了一版 Agent核心长这样async function runAgent(input) { const model new OpenAI({ apiKey: KEY }); // 写死供应商 while (true) { const step await model.chat(prompt input); if (step.tool search) { ... } // 工具写死在循环里 else if (step.tool calc) { ... } else break; } }一开始没问题。直到某天要接 Claude、要加一个内部 MCP 工具、要给不同客户用不同模型每加一样就往runAgent里塞 if-else。三个月后这个函数 400 行没人敢动。图 4 · 不必直接跳阶段 4先抽接口、再配置化分两步走先走重构 1把模型和工具抽成接口循环只认接口。改完长这样// 第一步两个接口循环一行都不认具体实现interface ModelProvider { chat(messages: Message[]): PromiseStep;}interface Tool { name: string; run(args: unknown): Promisestring;}async function runAgent(input, model: ModelProvider, tools: Tool[]) { const messages [{ role: user, content: input }]; while (true) { const step await model.chat(messages); const tool tools.find((t) t.name step.tool); if (!tool) break; messages.push({ role: tool, content: await tool.run(step.args), }); }}到这一步换模型是「写一个新的ModelProvider实现」加工具是「往tools数组里塞一个」循环一行不动。信号 1、2 解决。等信号 3、4、5 也中了再走重构 2把实现注册进注册表用配置驱动// // 第二步注册表配置运行时决定具体实现// // ---------- 1. 注册所有可用的 Provider策略注册表 ----------const providers { openai: new OpenAIProvider(), // OpenAI 实现 claude: new ClaudeProvider(), // Claude 实现 // 新增模型只需在这里注册即可 // gemini: new GeminiProvider(),};// ---------- 2. 注册所有可用的 Tool工具注册表 ----------const tools [ new SearchTool(), // 搜索工具 new CalcTool(), // 计算工具 // 新增工具只需在这里添加 // new WeatherTool(),];// ---------- 3. 运行时执行 Agent ----------// 换模型 → 只需修改 config.model 这个字符串// 加工具 → 往 tools 数组里 new 一个注册即生效runAgent( input, // 用户输入 providers[config.model], // 根据配置动态选择 Provider tools // 所有已注册的工具);走到这你已经有了一套迷你插件系统。它没有 dsh 的完整生命周期管理也没有 Codex 的编译期检查但它解决的是你眼下最疼的那几个点。比硬上重框架平滑得多也符合「能简单就不复杂」的工程直觉。五、那道坎阶段 3 到 4 到底差什么上一节的两步重构做完你还停在阶段 3 的舒适区里。要真正跨进阶段 4得补三样东西缺一样都只能算「有接口的脚本」不算插件化运行时。第一样依赖注入。循环里不能自己new出实现得由外部把ModelProvider和Tool塞进来。你上面重构 1 的runAgent(input, model, tools)已经是注入的雏形了但真正的插件化要求「连注入这件事都是自动的」不是每次调用手动传参。第二样生命周期管理。插件有装和卸两个动作。装的时候要注册工具、挂监听器、开定时器卸的时候这些全要回收。多数手写插件系统栽就栽在「卸不干净」留下幽灵监听器和泄漏的全局状态。dsh 靠 Cordis 的可逆副作用解决这个codex-rs 靠编译期把状态收口到 SQLite。第三样接口契约。内核和插件之间要有一套谁都不能随便改的约定。改一个字段所有插件都要跟着动这个成本会随插件数量线性涨。Codex 用 Rust 的 trait 把契约锁在编译器里dsh 用 seam 把契约约定在运行时。这三样补齐阶段 4 才成立。反过来想如果你数完信号只有 1、2 条其实第一样都不用补全重构 1 就够了。这也是为什么我一直说「别一步到位」。六、决策树照着走一遍把前面的判断串成一条路径你可以照着走一遍看自己会停在哪图 5 · 从「起项目」到「选形态」四个判断下来路线就定了走完你会发现大多数人卡在两个地方要么在「流程能不能写死」这个判断上高估了自己把本该是 Pipeline 的东西做成了 ReAct白花 token要么在「中几条信号」上拖明明已经中了 4 条还在手写 if-else。这两个判断诚实一点能省掉大半的返工。几条补充把决策树里没说透的补上还在验证想法阶段 1、2 就够了。一个 Python 脚本能跑通需求比一个 LangGraph 流程图更有价值。要做生产级产品、团队有基础设施抄 Codex 的思路用编译期边界把一致性焊死别急着上运行期插件。做编排、跑多模型 benchmark、或者研究 Agent 本身现在就拉 dsh 下来试运行期热插拔省下的是迭代时间。卡在阶段 3 反复造轮子先做重构 1 抽接口别直接跳阶段 4。诚实地说这篇文章给的是「大部分情况」的判断不是定律。见过 2 人团队直接上 dsh 玩得风生水起的也见过十人团队在阶段 3 卡两年出不来的。真正决定成败的从来不是选了哪个形态而是你有没有诚实地数自己中了几条信号而不是「听说 X 很先进所以要用 X」。七、读者常问Q1我现在该不该把项目重写成插件化先数信号。中 0-2 个别动中 3 个以上先做重构 1抽接口看效果再决定要不要重构 2。Q2Codex 和 DeepSeek直接二选一吗不用。解耦时刻相反但目标一致。生产要确定性选 Codex 式思路研究要灵活度选 dsh 式。同一团队两套并存也常见。Q3小团队是不是永远不该上阶段 4不是永远是现在还没到。信号会随业务增长自己冒出来到时候再拆比提前过度设计稳得多。Q4不读前四篇这篇能带走什么Agent 架构有 4 个阶段跨到阶段 4 前先看 5 个信号拆法有「编译期焊死」和「运行期热插拔」两种按团队体量和目标选别为先进而先进。Q5今晚能上手的最小一步是什么打开现在的 Agent 代码找那个又长又不敢动的runAgent类函数把「用哪个模型」「调哪些工具」两处写死的地方抽成接口。这一步不依赖任何框架明天就能做完做完你就能用第四节那段代码对照。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2026 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取

从 Codex 到 dsh：小白/程序员必备 Agent 项目架构升级指南（附判断方法）

相关推荐

ASP.NET Web Forms企业级绩效考核系统源码全解析与实战指南

协议与应用基础（三）：HTTPS、证书链与中间人攻击

收藏！AI大模型应用开发入门指南：小白也能掌握的技能路径

更多资讯

OpenStack中Linux Bridge机制驱动的配置与优化

Mac上使用Claude Code全家桶搭建高效开发环境

传统PM与AI产品经理的核心差异与转型指南

智慧社区数据可视化：LW架构与ECharts实战

支付系统收银核心设计：咨询、受理与结果轮询闭环

C语言实现顺序表：基础概念与性能优化

今日更新

PLFM_RADAR：从被动告警到主动感知的微服务健康监控系统

SPI隔离设计实战：MAX14431BAEE+与STM32F407工业级应用

数字隔离器如何根治SPI通信地环路干扰：MAX14431与TM4C129实战

本周精选

面向复杂光照与角度的宠物面部识别鲁棒性增强策略

基于DRV8818与STM32的双极步进电机驱动方案实战解析

DRV8818PWPR+PIC18F45K80双极步进电机控制方案实战

本月热门

面向复杂光照与角度的宠物面部识别鲁棒性增强策略

基于DRV8818与STM32的双极步进电机驱动方案实战解析

DRV8818PWPR+PIC18F45K80双极步进电机控制方案实战

读完文章，想聊聊您的网站？